基于運動目標檢測與跟蹤的視頻測速技術的研究與應用.pdf

1、隨著計算機硬件技術和計算機視覺技術的發(fā)展，基于實時圖像處理的交通監(jiān)控系統(tǒng)成為當下的發(fā)展趨勢，而視頻車輛的檢測與跟蹤是智能交通系統(tǒng)的核心部分。本文研究的是利用圖像處理技術對高速公路上的車輛進行實時監(jiān)控，采用基于運動車輛檢測和跟蹤的方法來對車輛進行測速，為智能交通系統(tǒng)提供交通參數(shù)。 本文對攝像機標定方法做了研究，并采用一種標定方法，并提出通過檢測車道線中的一些點來完成坐標輸入。 本文提出了針對運動車輛進行實時檢測和跟蹤的算法

2、，適用于大面積、多目標的復雜場景，能排除干擾，主要應用于高速公路上。 本文提出了在車輛檢測之前先做行車區(qū)域檢測，通過行車區(qū)域檢測排除行車區(qū)域外的干擾。然后通過實驗數(shù)據(jù)對于目前幾種有代表性的背景模型進行了比較，找出其中的優(yōu)缺點，結合這些方法進行改進后，提出了基于亮度與亮度梯度信息的混合高斯模型。該背景模型較好的解決了背景模型的初始化、更新、背景干擾、外界光照等問題，在背景、前景的判斷上，充分利用了亮度與亮度梯度信息。使得系統(tǒng)的背景

3、模型既能夠滿足背景隨時間漸變的統(tǒng)計特性，又能夠兼顧系統(tǒng)的噪聲以及一些突發(fā)的干擾因素。在背景差方法上提出了基于三層結構的背景差算法，從三個層次來保證車輛檢測的準確性。 在運動目標跟蹤方面，本文使用了基于擴展卡爾曼濾波器的目標跟蹤，并對濾波器的構造、更新做了改進，然后提出了三種匹配原則，綜合預測和搜索匹配，并考慮遮擋問題提出了一個完整的跟蹤算法。最終根據(jù)跟蹤的結果可以計算出車輛的速度。本文最后還提出了視頻測速系統(tǒng)的設計方案。